ガボール特徴抽出
私はガボールの特徴抽出に関するプロジェクトを行っています。 Gabor機能の意味について、私は非常に混乱しています。方向と頻度が異なる特徴マトリックスを作成しました。ガボールフィーチャー、または統計的フィーチャー、幾何学的フィーチャー、空間ドメインフィーチャー、不変性、再現性などのような、異なる方向と周波数のガボールフィルターバンクで画像をたたみ込んだ後に計算された画像の計算は、ガボールフィーチャーを指します。
ガボールフィルターは、哺乳類の視覚皮質細胞と非常によく似ているため、さまざまな方向とスケールから特徴を抽出します。
私も最近、いくつかのガボールフィルターベースの特徴抽出を行いました。
最初は難しいように見えますが、実装は簡単です。
あなたが理解しやすいように、ウォークスルーを行います。
のような画像があるとします。
そして、5つのスケールと8つの方向でガボールフィーチャを計算します（既に行ったことがあると思います）、次のようなフィルターが得られます
次に、各フィルターを画像と畳み込み、40（8 * 5 = 40）の同じ画像の異なる表現（_response matrices_）を取得する必要があります。ここで、各画像は特徴ベクトルを提供します。
だから畳み込み後
次に、それら応答行列を特徴ベクトルに変換する必要があります。
したがって、特徴ベクトルは次のもので構成されます：ローカルエネルギー、平均振幅、位相振幅、またはローカルに最大エネルギーがある方位
局所エネルギーと平均振幅に取り組み、十分な結果を得ました。
Local Energy =応答マトリックスから各マトリックス値の2乗値を合計します
平均振幅=応答行列からの各行列値の絶対値の合計
したがって、最後に、それぞれ_[1x40]_になる2つの行列が得られます。
一方のマトリックスをもう一方に追加して、1つの画像の_[1x80]_特徴マトリックスを作成し、さらにトレーニングするためにn個の画像の_[nx80]_ベクトルを作成できます。
効率を上げるために、ログガボールフィルターを使用することができます。（ これを参照 ）
ガボールフィルターを使用した特徴抽出の詳細については、こちらをご覧ください paper